基于行驶路径记忆的智能车导航方法研究

针对飞思卡尔智能车视觉导航问题,研究了一种基于智能车控制信息的路径记忆方法。低速试跑时,智能车可以以比较高的控制精度行驶通过赛道,通过记录各段赛道的控制参数,如路径长度、方向转角等获得行驶路径的控制信息。在智能车竞跑行驶时,通过调用记录的行驶路径控制信息,就可以控制智能车以较快的行驶速度在赛道上行驶,并通过实时测量调整智能车的行驶偏差,实时调整智能车行驶速度和转角方向,实现对智能车的竞速导航控制。     

电磁导航智能车检测和控制系统的研究

对电磁导航智能车的信号检测、控制系统的设计和实现做了介绍。通过Matlab对不同路径进行了磁场分析,确立了传感器的排布方案,并针对采集的信号进行了后续信号处理电路的设计,完成了信号的采样,确定了控制策略,单片机根据传感器采集的跑道信号通过A/D转换进行分析,通过增量式PID来控制智能车的速度,并通过脉宽控制舵机转角来实现智能车的拐弯,最终实现了能够针对不同路径稳定快速运行的电磁导航智能车的制作。     

智能车路径跟踪控制

智能车路径控制通常分为路径规划和路径跟踪两级。本文着重研究基于定位信息的路径跟踪.文中提出的方法无需确知智能车动力学模型,实践证明,有较高的路径控制精度。     

基于视觉的智能车图像畸变校正算法研究

赛道检测的准确性及可靠性对智能车的控制至关重要,针对智能车系统路径识别以及方向控制、速度控制需求,需要为导航路径参数提取提供准确的视觉图像信息。为此对智能车视觉图像畸变原理进行了分析,建立了图像的畸变的数学模型,分别分析了垂直和水平方向的畸变模型,针对垂直方向畸变采用了近疏远密的校正算法,针对垂直方向畸变给出了梯形水平校正算法。实验表明,以上方法可以很好地校正视觉图像在垂直和水平方向的畸变。     

切换非线性系统采样控制的研究现状与进展

切换非线性系统由于其广泛的工程应用背景以及重要的理论研究价值引起各行业学者的广泛关注.近年来,随着计算机技术的快速发展,切换非线性系统采样控制问题成为研究热点.对目前切换非线性系统采样控制领域的研究现状进行综述.首先介绍了切换非线性系统的基本问题,并梳理了切换非线性系统几个常用控制方法的基本思想.然后从时间触发采样控制和事件触发采样控制两个方面对切换非线性系统采样控制的国内外研究现状进行了论述.最后进行了总结并提出切换非线性系统采样控制领域未来值得关注的研究方向.     

基于微分平坦与MPC的智能车换道控制算法

为了提高智能车换道的安全性,提出了一种基于微分平坦理论与模型预测控制(MPC)算法相结合的智能车换道轨迹规划与跟踪算法。该算法利用约束求解得到基于sigmoid函数的优化路径;将其与多项式参数化时间函数作为平坦输出,利用微分平坦理论构造一个非线性性能指标函数并对其进行优化求解完成车速规划;从而实现对智能车辆路径-速度分解式的轨迹规划。利用动力学模型预测控制算法线上控制的优点,对智能车的车轮转向进行实时控制,使得车辆按照规划好的轨迹行驶完成换道。通过CarSim与MATLAB/Simulink的联合仿真,将提出的轨迹规划算法应用于车辆系统仿真软件中进行验证,结果表明该算法能够实现对智能车进行轨迹规划和跟踪控制,使其安全高效地换至目标车道。     

DSP在智能车路径跟踪系统中的应用

该文以DSP处理器DM642为核心控制器对智能车的路径识别和转向控制技术进行研究,通过实验和仿真验证其在识别和控制中的效用.     

智能车参数自校正方向模糊控制器的设计

智能车的方向控制是一个既关键又复杂的问题.由于道路的复杂性和小车系统的非线性,采用传统的PID控制器往往不能取得很好的控制效果,为此设计了参数自校正模糊控制器.Matlab仿真试验表明,参数自校正模糊控制器的采用使得智能车舵机的响应速度加快,方向控制更流畅,小车的稳定性和速度也得到了很大的提高.     

小车远程控制及自主寻路系统的设计与实现

智能机器人可通过传感器获取周围的地形、温度等信息,并加以分析处理而采取对应策略。然而,机器人可能由于本身不具备定位功能而只能进行简单控制,也可能因为障碍物信息采样不足而导致避障算法失败。面对这一类问题,设计并实现了一套能对智能车进行远程控制并令其自主寻路的系统。该系统通过高效的图像处理与识别对智能车自动定位;对现有避障算法进行了改进,并建立了避让策略来保证智能车总能找到一条抵达目标的安全路径。实验结果表明,该系统定位精度较高,控制与寻路功能具有一定的可靠性与实用性。     

基于GPS导航的智能车转向的控制策略

GPS导航系统提供实时的位置信息,引导智能车安全、准确与及时地实现转向。上位机比较智能车的实际位置和行驶路径的偏差,并对偏差进行处理,将处理信号发送给控制器,控制器驱动两路直线电动推杆同步伸缩,对电动推杆的转速和转向采用PID控制。     

具有路径记忆功能的智能车控制系统

研究一种具有路径记忆功能的智能车控制系统。该智能车使用红外光电传感器实现路径识别,依靠电机驱动前进,使用舵机帮助智能车转向。该系统采用路径记忆算法对智能车进行控制,将记忆下的赛道信息作为主要控制信息,通过提前判断弯道的曲率大小,从而得到一个最佳过弯速度,使其运行更平稳、快速。     

Learning effective state-feedback controllers through efficient multilevel importance samplers

Monte Carlo sampling can be used to estimate the solution of path integral control problems, which are a restricted class of nonlinear control problems with arbitrary dynamics and state cost, but with a linear dependence of the control on the dynamics and quadratic control cost. Although importance sampling is used to improve numerical computations, the effective sample size may still be low or many samples could be required. In this work, we propose a method to learn effective state-feedback controllers for nonlinear stochastic control problems based on multilevel importance samplers. In particular, we focus on the question of how to compute effective importance samplers considering a multigrid scenario. We test our algorithm in finite horizon control problems based on Lorenz-96 model with chaotic and non-chaotic behaviour, showing, in all cases, that our multigrid implementation reduces the computational time and improves the effective sample size.     

基于STC89C52的轮式智能小车控制系统的设计

为了研究智能小车的路径跟踪控制算法,设计了一种自动循迹的智能小车。智能小车的控制系统以单片机STC89C52为核心,主要由路径识别模块、传感器模块、电机驱动模块、速度检测模块及相应的软硬件设计。实验结果表明:该控制系统具有循迹效果好、起停快、性能稳定等特点。     

基于语音识别和红外光电传感器的自循迹智能小车设计

基于光电传感器和语音识别技术完成了一种自循迹智能小车的设计.该小车采用凌阳16位单片机SPCE061A作为系统控制处理器,以反射式红外光电传感器获取路径信息.根据路径信息中黑线的位置来调整小车的运动方向与速度,从而实现自循迹功能.结合SPCE061A片内资源,编写了语音处理API函数,实现语音人机交互的智能化导航控制....     

Recursive approximate solution to time-varying matrix differential Riccati equation: linear and nonlinear systems

An approximate solution is proposed for linear-time-varying (LTV) systems based on Taylor series expansion in a recursive manner. The intention is to present a fast numerical solution with reduced sampling time in computation. The proposed procedure is implemented on finite-horizon linear and nonlinear optimal control problem. Backward integration (BI) is a well known method to give a solution to finite-horizon optimal control problem. The BI performs a two-round solution: first one elicits an optimal gain and the second one completes the answer. It is very important to finish the backward solution promptly lest in practical work, system should not wait for any action. The proposed recursive solution was applied for mathematical examples as well as a manipulator as a representative of complex nonlinear systems, since path planning is a critical subject solved by optimal control in robotics.     

基于模型分解的间歇聚丙烯过程预测控制

针对间歇聚丙烯过程的非线性,间歇性,提出了基于模型分解的非线性前馈一线性反馈相结合的控制方案。在分析过程非线性特性的基础上,采用基于过程模型的前馈抵消反应热对过程的非线性影响。通过引入非线性前馈控制粗调,使反馈控制细调的控制模型得以近似为线性模型,方便地实现了具有优异控制性能的线性预测控制方法,达到了集非线性前馈适应严重非线性过程特性与线性预测控制实现了高精度的控制质量的有机结合。实验结果显示了该方法的有效性。     

Aggressive Longitudinal Aircraft Path Tracking Using Nonlinear Control

We study the problem of converting a trajectory tracking controller to a path tracking controller for a nonlinear non-minimum phase longitudinal aircraft model. The solution of the trajectory tracking problem is based on the requirement that the aircraft follows a given time parameterized trajectory in inertial frame. In this paper we introduce an alternative nonlinear control design approach called path tracking control. The path tracking approach is based on designing a nonlinear state feedback controller that maintains a desired speed along a desired path with closed loop stability. This design approach is different from the trajectory tracking approach where aircraft speed and position are regulated along the desired path. The path tracking controller regulates the position errors transverse to the desired path but it does not regulate the position error along the desired path. First, a trajectory tracking controller, consisting of feedforward and static state feedback, is designed to guarantee uniform asymptotic trajectory tracking. The feedforward is determined by solving a stable noncausal inversion problem. Constant feedback gains are determined based on LQR with singular perturbation approach. A path tracking controller is then obtained from the trajectory tracking controller by introducing a suitable state projection.     

Path following control of underactuated ships based on nonswitch analytic model predictive control

A path following controller is developed for underactuated ships with only surge force and yaw moment available to follow a predefined path. The proposed controller is based on nonswitch analytic model predictive control. It is shown that the optimal control law for a nonlinear path following system with ill-defined relative degree is continuous and nonsingular. The problem of ill-defined relative degree is solved. The path-following ability of the nonlinear system is guaranteed. Numerical simulations are provided to demonstrate the effectiveness of the proposed control law.     

关于自适应非线性镇定的某些结果

不确定非线性系统的反馈控制一直是控制科学的中心问题之一,迄今已经取得很大进展。然而,目前现有大部分工作所研究的反馈控制规律,或是连续时间形式的,或是采样反馈形式但需要采样频率充分快,或是离散时间反馈形式,但需要被控离散时间系统的非线性函数增长速度不超过线性。要消除或减弱这些约束条件,一般来讲是相当困难的。这就促使我们探究反馈机制的最大能力和根本局限。尽管近年来在这个方向有许多重要进展,但仍有许多非平凡的重要问题有待研究。例如,在反馈通道中有时滞情形,或者系统状态是高维的情形。在本文中,我们将探索两类比较特殊的离散时间不确定非线性动力系统的控制问题,给出关于全局自适应反馈镇定的某些初步结果。